人工智能可通过两种主要的途径影响我们从事科学的方式

　　既然机器系统已经能够向自身学习，那么为什么还要向人类学习呢？ 这也正是深度学习真正有趣的地方。仅仅在 AlphaGo 战胜人类棋手一年之后， DeepMind 就研发出了 AlphaZero，其厉害之处在于它只知道围棋规则而没有任何先验知识和数据输入。换句话说，它是真正从零开始，通过不停地与自己对弈而自学成才。AlphaZero 既是围棋大师，也是国际象棋和日本将棋大师，它击败了所有的人类棋手和计算机程序。 　　最为重要的是，由于AlphaZero没有学习人类棋手的对局，它的下法也与人类棋手不同。它更像一个外星人，展示了一种人类大师以前从未见过的直觉和见解。围棋世界冠军柯洁甚至感叹人工智能就像“上帝”一样在下棋。确实，它的那些复杂而又优美的下法都没有依靠人类知识。而且AlphaZero是以超人类的速度习得这一技艺的：只需4小时的国际象棋训练和8小时的围棋训练，它的能力就能超过已有的最好程序。 　　再想想那些数字。我们把变化最多也是研究最多的人类游戏的规则告知人工智能算法，算法自己只是基于规则和棋盘就学会了下棋的策略。像所有的初学者一样，它在一开始也会犯各种愚蠢的错误。但是当你回过神来再去看的时候，它已经是史上最佳棋手了。 　　如果深度学习能够在人类自己的棋盘游戏上击败人类，对于复杂问题找到先前想象不到的答案，那么它将会如何影响致力于促进创新的科学呢？ 　　更智能的人工智能，更多的创造性创新 　　人工智能可通过两种主要的途径影响我们从事科学的方式。一种方式类似于谷歌对互联网的影响：人工智能将会极大地改进信息的获取，优化科学的各个方面，包括从信息获取到科学家目前所从事的许多过程的自动化。 　　这是一种理想的情形，因为大多数科学家都期望能够实现日常工作的自动化，从而可以聚焦于创造性的活动。另一种途径更像 AlphaGo 对围棋的影响：人工智能系统能够对于复杂问题快速给出创造性的答案。人工智能也许有一天会在反乌托邦式的世界里取代我们这些科学家，以一种我们今天难以想象的速度和精度推动科学进步。